• 基于颅内出血手术围术期数据的可解释机器学习模型预测30天死亡率的研究

  本研究开发并验证了一种基于XGBoost的机器学习模型，通过SHAP进行解释，能准确预测颅内出血（ICH）术后30天死亡风险。研究突出了术后pH、乳酸、APTT和CRP等可调控生物标志物的预后价值，为重症监护中的早期风险分层和围术期管理优化提供了实用工具。

  来源：Frontiers in Neurology

  时间：2026-02-14

• 基于临床与实验室数据的细菌性脑膜炎诊断预测模型构建与效能验证：一项提升早期精准诊疗的创新研究

  本研究通过多变量逻辑回归构建了细菌性脑膜炎诊断预测模型，整合脑出血、脑积水、C反应蛋白（CRP）等关键指标，训练集AUC达0.84，显著优于传统BMS评分（0.72），为临床提供快速、精准的风险分层工具（<10分钟），助力抗生素决策优化。

  来源：Frontiers in Neurology

  时间：2026-02-14

• 整合SUDOSCAN评估心脏自主神经病变与肾病风险：一项基于2型糖尿病人群的综合分析与人工神经网络预测模型研究

  这篇综述探讨了如何利用SUDOSCAN（一种快速、无创的筛查设备）所衍生的心脏自主神经病变（CAN）与肾病（Nephro）评分，结合人工神经网络（ANN）模型，对2型糖尿病人群进行早期、高效的风险分层与预测，为临床优化并发症筛查策略提供了新的整合性工具。

  来源：Frontiers in Endocrinology

  时间：2026-02-14

• 评估欧洲神经科学资助机构数据透明度的新型透明报告量表（TRS）：推动资助公平性的关键工具

  本文为神经科学研究资助领域的系统性分析，介绍并应用了“透明报告量表”（Transparent Reporting Scale, TRS）以评估欧洲资助机构在分享资助申请及获得者的人口统计等关键数据方面的透明度。研究发现，数据透明性与国家的性别平等指数和人均GDP呈正相关，表明透明报告可反映对性别公平的整体承诺。文章呼吁资助机构采纳标准化报告实践，为促进神经科学领域的公平提供循证依据。

  来源：Frontiers in Computational Neuroscience

  时间：2026-02-14

• 通过有节奏的发声调节压力和神经可塑性生物标志物：一项关于NDNF、皮质醇和单胺类物质的对照研究

  本研究探讨诵读古兰经对大学生神经递质及皮质醇水平的影响。采用随机对照实验，72名参与者分为实验组（诵读）与对照组。结果显示实验组血清素、多巴胺及BDNF水平显著升高，皮质醇降低，但对照组心理健康自评得分更高，提示神经生物学效应与主观感知可能存在分离，或与认知负荷/焦虑相关。

  来源：BMC Neuroscience

  时间：2026-02-14

• MEF2A通过PI3K/AKT通路抑制缺血性脑卒中损伤：一项全面的生物信息学和体外研究

  缺血性中风（IS）的致病机制及MEF2A调控研究。通过孟德尔随机化分析筛选出73种与IS相关的血浆蛋白，结合转录组学发现MEF2A作为关键转录因子，单细胞测序显示其在小胶质细胞和内皮细胞中高表达，体外实验证实其过表达可减轻OGD/R诱导的神经细胞损伤并激活PI3K/Akt通路。

  来源：BMC Neuroscience

  时间：2026-02-14

• 基于2025年德国图青研讨会的会议报告文档，以下是针对您问题的详细分析： 中文标题 动物适应力与有机体对环境变化的响应：来自基底后生动物的启示

  语本文综述了2025年国际图青研讨会的核心成果，聚焦利用刺胞动物（水螅、海葵、珊瑚等）、海绵和栉水母等“基底后生动物”模型，解析多细胞性起源、组织再生及环境适应等基本生物学问题。会议亮点涵盖基因组进化、单细胞转录组学、表观遗传调控（如RNA m6A甲基化）、神经与免疫系统演化、干细胞可塑性以及宿主-微生物共生等多个前沿领域，强调了跨学科整合与资源共享对于推动这一基础进化生物学领域的重要性。

  来源：Frontiers in Zoology

  时间：2026-02-14

• 在低盐度压力下，GABA介导的凡纳滨对虾（Penaeus vannamei）的神经内分泌-免疫调节机制

  GABA通过脑神经节-眼柄-血细胞/肠道轴调控低盐胁迫下对虾免疫应答的分子机制研究。

  来源：Fish & Shellfish Immunology

  时间：2026-02-14

• 利用漂移扩散模型对暴食症患者决策缺陷的纵向分析

  基于漂移扩散模型（DDM）的纵向研究发现，暴食障碍（binge-EDs）患者更慢的证据积累（低漂移率）与更频繁的暴食行为相关，且该关联在基线及3个月后持续存在，6个月后仍显著，支持核心决策过程缺陷的假说。研究验证了DDM在整合多行为数据中的实用性。

  来源：Appetite

  时间：2026-02-14

• 通过渐进学习方法构建的偏微分方程的潜在选择性状态空间模型

  偏微分方程建模中提出MambaPDE方法，通过潜在向量与状态空间模型加速计算，结合渐进学习策略提升训练效率和模型精度，在对比基线方法中展现优势，有效优化潜在空间条件数，适用于长期预测、控制及多模态仿真任务。

  来源：Neurocomputing

  时间：2026-02-14

• 动态去噪跟踪：迈向对抗注意力机制简化的端到端多目标跟踪

  Transformer架构在多目标跟踪中的注意力平凡化问题及动态去噪解决方案。通过空间-时间早退出机制和自指导去噪模块，动态调节特征交互深度与噪声抑制，有效提升目标区分能力，在DanceTrack、MOT17、MOT20数据集上达到SOTA性能。

  来源：Neurocomputing

  时间：2026-02-14

• 《使命召唤：通过检索与比较反馈机制增强图像描述，以实现跨模态理解》

  跨模态图像描述增强方法通过迭代检索与对比机制提升细节和减少幻觉

  来源：Neurocomputing

  时间：2026-02-14

• MetaGT：一种通过元学习实现的大规模图谱轻量级图变换器

  本文提出MetaGT，一种轻量级图Transformer模型，通过图分割和预-后训练范式解决大规模图处理中的内存与计算瓶颈，在保持高精度的同时提升训练效率。

  来源：Neurocomputing

  时间：2026-02-14

• 利用模内和模间交互实现多模态实体对齐

  多模态实体对齐框架MIMEA通过多粒度交互机制整合异构模态知识，提出四个核心模块解决模态重要性区分和跨模态交互不足问题，实验验证其有效性。

  来源：Neurocomputing

  时间：2026-02-14

• MATdiff：一种具有扩散模型的掩码感知变换器，用于大尺寸掩码图像修复

  语义一致性增强的大掩码图像补全方法，提出MATdiff框架整合Transformer的语义建模与扩散模型的生成能力，设计DGDT训练策略优化数据分布建模，实验验证其在CelebA-HQ和Places数据集上显著提升结构一致性和视觉质量。

  来源：Neurocomputing

  时间：2026-02-14

• Self2Rolling：一种利用细节引导的掩码进行自监督去噪的方法，并包含更新机制

  基于盲点网络的自我监督去噪方法通过非均匀掩码策略有效保留图像细节，并构建迭代优化的Self2Rolling框架提升去噪精度。实验表明该方法在合成和真实数据集上均优于现有自监督去噪技术。

  来源：Neurocomputing

  时间：2026-02-14

• 可解释人工智能：基于上下文感知的逐层集成梯度方法，用于解释Transformer模型

  Transformer解释性面临层级依赖、上下文感知不足等问题，本文提出CA-LIG框架，通过层级整合梯度与注意力梯度融合，实现上下文感知的多任务解释验证。

  来源：Neurocomputing

  时间：2026-02-14

• GADT：通过梯度引导的对抗性数据转换来增强可转移的对抗性攻击

  对抗样本生成中的数据增强优化策略研究，提出GADT方法通过可微数据增强操作计算梯度，结合新设计的损失函数平衡攻击效果与隐蔽性，实验证明其在黑盒攻击和跨模型迁移攻击中有效提升成功率。

  来源：Neurocomputing

  时间：2026-02-14

• STGNet：一种用于自动驾驶运动预测的时空图神经网络

  自主驾驶场景中，现有运动预测方法存在固定半径邻居检索、单视角时空编码及欧氏距离依赖三大问题。本文提出STGNet模型，通过动态邻居策略自适应调整交互图半径，结合互视角位置编码融合双向时空特征，并引入特征相关交互机制构建高阶关联。实验表明，STGNet在Argoverse和INTERACTION数据集上显著优于基线方法。

  来源：Neurocomputing

  时间：2026-02-14

• 基于机械导向多子图整合的直通式锅炉-涡轮机组强化学习控制

  针对传统PID和强化学习在处理OTBT单元强耦合非线性问题时存在的局限性，提出基于多子图融合的强化学习（MSIRL）框架，结合机理模型构建有向图，利用图注意力网络提取局部和全局耦合特征，并集成积分补偿模块抑制稳态误差。实验验证MSIRL在动态响应速度和稳态精度上优于传统方法和标准RL方法。

  来源：Neurocomputing

  时间：2026-02-14

知名企业招聘：